Diplomarbeit - Veterinärmedizinische Universität Wien - 2023

Mastzelltumore der Hunde sind häufige bösartige Tumore, die vor allem in der Haut und Unterhaut auftreten können. Um einen caninen kutanen Mastzelltumors (cMCT) zu diagnostizieren sowie zu prognostizieren, ist eine histopathologische Untersuchung einer Gewebsprobe notwendig. Für die histologische Beurteilung haben sich zwei Klassifizierungssysteme (Gradingsysteme) – nach Patnaik et al. sowie Kiupel et al. - bewährt. In diesen Gradingsystemen werden qualitative und semiquantitative Bewertungskriterien verwendet, welche wesentliche Intra- und Interobserver Variabilität aufweisen können. Eines dieser Kriterien mit bekannter prognostischer Relevanz ist die nukleäre Pleomorphie, d.h. die Variabilität der Zellkerngröße. Eine Alternative zu der subjektiven Einschätzung der nukleären Pleomorphie durch PathologenInnen ist die nukleäre Morphometrie, d.h. das Ausmessen der Zellkerne, in digitalisierten Histologie-Bildern. In der vorliegenden Arbeit wird die prognostische Bewertung der cMCT durch eine automatisierte nukleäre Morphometrie mittels künstlicher Intelligenz überprüft, welches eine schnelle, akkurate und reproduzierbare Bewertungsmöglichkeit des Tumors zulassen könnte. Für die Entwicklung des Algorithmus wurden insgesamt 86 Proben annotiert. Die Validierung des Modells wurde mit 96 zusätzlichen Fällen durchgeführt. Die Ergebnisse lassen in der untersuchten Probengruppe darauf schließen, dass die algorithmische Morphometrie, insbesondere das geometrische Mittel (AUC = 0,913) und die Standardabweichung (AUC = 0,936) der Flächengröße, bei cMCT einen hohen prognostischen Wert hinsichtlich der Überlebenszeit aufweisen könnte. Die Klassifizierung von Fällen anhand eines definierten Grenzwertes des geometrischen Mittels bzw. der Standardabweichung der Fläche hat eine Sensitivität von 69,2 % bzw. 84,6 % und die Spezifität von 90,4 % bzw. 89,2 % ergeben. Merkmale wie Exzentrizität und Kreisförmigkeit haben eine schwache bis keine prognostische Aussage. Veterinärpathologische Labore könnten in Zukunft diesen Algorithmus zur objektiven Prognose von cMCT in ihre digitalen Arbeitsabläufen einsetzen. Zukünftige Studien mit einer größeren Datenmenge sowie anderen tierspezifische Tumortypen sind erforderlich, um diese Ergebnisse zu bekräftigen. Ferner sollte die automatisierte Morphometrie mit Schätzungen der PathologenInnen verglichen werden.

Canine mast cell tumors are common malignant tumors that occurs mainly in the skin and subcutaneous tissue. In order to diagnose as well as prognosticate a canine cutaneous mast cell tumor (cMCT), a histopathological examination of a tissue sample is mandatory. Two grading-systems - the Patnaik- and Kiupel- system- have been proven useful for histological evaluation. In these classification-systems, qualitative and semiquantitative grading criteria are used, which may show substantial intra- and interobserver variability. One of these criteria with known prognostic relevance is nuclear pleomorphism, i.e., variability in cell nuclear size. An alternative to the subjective assessment of nuclear pleomorphism by pathologists is nuclear morphometry, i.e. the measurement of cell nuclei, in digitized histology images. In this diploma thesis, the prognostic evaluation of cMCT is reviewed by automated nuclear morphometry using artificial intelligence, which may allow a faster, more accurate, and more reproducible evaluation of the tumor in the future. A total of 86 slides were annotated for the development of the algorithm. Validation of the model was performed with 96 additional cases. The results of the evaluated samples in this study provide evidence that algorithmic morphometry, especially geometric mean (AUC = 0,913) and standard deviation (AUC = 0,936) of area size, may offer high prognostic value in cMCT in terms of survival. Classification based on a determined cutoff value of geometric mean and standard deviation of area size resulted in a sensitivity of 69.2% and 84.6%, respectively, and specificity of 90.4% and 89.2% in the study group. Features such as eccentricity and solidity had weak to no prognostic value. Based on this study, veterinary pathology laboratories might be able to use this algorithm to objectively predict cMCT in their digital workflows. Future studies with a larger data set as well as other animal-specific tumor types are needed to corroborate these results. Furthermore, automated morphometry should be compared with pathologist estimates.

application/pdf

46 Blätter